Process / pipelineSimulation / optimization
Robust NSGA-II — אופטימיזציה רב-מטרתית תחת אי-ודאות
Robust NSGA-II מרחיב את אלגוריתם האבולוציה הקלאסי NSGA-II כדי להתחשב באי-ודאות פרמטרית, מוצא פתרונות פשרה פארטו-אופטימליים שנשארים בעלי ביצועים גבוהים גם כאשר פרמטרים של קלט סוטים מערכיהם הנומינליים. במקום לבצע אופטימיזציה של ערכי המטרה בנקודה בודדת, הוא מעריך כל פתרון מועמד על פני טווח או התפלגות של מימושי אי-ודאות ובוחר לפי עמידות (robustness) לצד דומיננטיות פארטו.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182-197. DOI: 10.1109/4235.996017 ↗
- Deb, K., & Gupta, H. (2006). Introducing robustness in multi-objective optimization. Evolutionary Computation, 14(4), 463-494. DOI: 10.1162/evco.2006.14.4.463 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Robust Non-dominated Sorting Genetic Algorithm II. ScholarGate. https://scholargate.app/he/simulation/robust-nsga-ii
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- אלגוריתם גנטי רב-מטרות (MOGA)סימולציה↔ compare
- אופטימיזציה רב-מטרתיתסימולציה↔ compare
- אלגוריתם גנטי רובוסטיסימולציה↔ compare
- אופטימיזציה רב-מטרתית רובוסטיתסימולציה↔ compare
- NSGA-II סטוכסטיסימולציה↔ compare